基于FOA优化GRNN的船舶交通流预测模型

钮浩东，黄洪琼

(上海海事大学 信息工程学院,上海 201306)



基于FOA优化GRNN的船舶交通流预测模型

钮浩东，黄洪琼

(上海海事大学 信息工程学院,上海 201306)

摘要：针对船舶交通流预测中存在复杂性、非线性、受限因素多等特点，运用果蝇优化算法，建立了优化的广义回归神经网络船舶交通流预测模型。通过利用果蝇优化算法的全局寻优特性对广义回归神经网络进行参数优化，从而实现对船舶交通流的预测。以东海大桥的船舶流量观测数据为实例对象进行分析，通过MATLAB进行仿真预测，实验结果表明：FOA-GRNN模型相比于传统的GRNN模型和BPNN模型具有更高的预测精度和泛化能力，有效地解决了预测过程中数据样本少、非线性拟合能力差等问题，对水路的规划、通航管理等方面具有一定的应用价值。

关键词：船舶流量；果蝇算法；参数优化；预测；广义回归神经网络

引用格式：钮浩东，黄洪琼. 基于FOA优化GRNN的船舶交通流预测模型[J].微型机与应用，2016,35(12)：81-83.

0引言

随着经济的发展和国际贸易的不断增长，海上船舶数量显著增加，中国沿海地区和长江流域的船舶交通量也日益多元化。因此，精准地预测相关水域的船舶交通流量也日趋重要，其不仅能为航道的规划、设计、管理提供有力依据，还能提高通航效率，降低海上交通事故发生率。影响船舶交通流量预测的因素有很多，涉及政治、经济、人为等多方面的因素。目前国内外学者提出的预测方法有支持向量机[1]、组合预测[2]、回归分析[3]等，然而这些单一的预测方法难以满足在预测精度方面的预期要求。……